主动配电网潮流的全纯嵌入计算方法

配电网潮流计算是进行配电网规划和运行的重要基础。目前,配电网潮流求解方法主要有牛拉(Newton Raphson,NR)法和前推回代(forward backward substitution,FBS)法两大类,但NR法和FBS法在潮流收敛性和计算效率等方面均存在一定的不足。全纯嵌入法(holomorphic embedding method,HEM)是一种求解非线性潮流方程的新方法,它可以有效避免NR法和FBS法在配电网潮流求解过程中出现的上述问题,但现有HEM未充分考虑配电网中各类型分布式电源(distributed generation,DG)和智能软开关(soft open point,SOP)控制方式的多样性,且未构建计及负荷电压特性和频率特性的潮流模型,难以适用于不同运行模式下配电网潮流计算。针对上述问题,提出一种可求解含多类型DG和SOP且可运行在并网/孤岛模式的主动配电网统一全纯嵌入潮流计算方法。首先,根据负荷静态电压和频率特性,构建计及配电网频率和节点电压影响的负荷节点全纯嵌入潮流模型;其次,根据DG不同的控制方式以及配电网不同的运行模式,将DG所连节点等效为不同节点类型,构建各类DG的全纯嵌入潮流模型;再次,考虑SOP不同控制方式,构建SOP全纯嵌入潮流模型;从次,依据全纯嵌入潮流模型等式左右两侧同次幂级数系数相等原则,推导配电网各全纯函数幂级数系数的求解递推关系式,进而计算各全纯函数的各项幂级数系数,借助解析延拓理论求取电压和频率逼近值,实现配电网潮流的准确求解;最后,通过修改的IEEE-33节点测试系统和IEEE-123节点测试系统验证所提方法准确性和有效性。

高比例新能源接入的主动配电网规划综述

新能源以分布式电源的形式接入配电网,给系统带来了不可控性、随机性和波动性问题。借助现代电力电子、信息通信及自动控制等技术,灵活可控的主动配电网成为发展趋势,其中主动配电网规划是近年来研究的热点之一。综合国内外在这一领域的研究成果,对主动配电网规划相关研究内容及其方法进行总结、分析及展望。对主动配电网基本结构进行了描述,介绍了配电网组成元素的特点;根据其控制变量的不同,对主动配电网规划模型进行了归类,总结了模型中的优化目标;针对常用模型求解算法及其优缺点进行分析、总结;通过对关键性问题的讨论,分析了未来主动配电网的发展趋势。

多园区综合能源系统接入主动配电网双层优化调度研究

随着园区综合能源系统的不断发展与普及,其与上级大电网并网实现交互已成为大势所趋。文中构建了通过联络线相耦合的多园区综合能源系统接入主动配电网的双层优化调度模型。在主动配电网层面,以最小运行成本为目标,充分考虑了联络线功率、分布式电源、储能设备、柔性负荷、电动汽车等可调度资源;在园区层面,以多园区总运行成本最小为目标,考虑了相互联结的多类型园区的并网情况。利用目标级联法对双层模型进行求解。通过算例验证,文中所构建模型具有良好的经济特性与削峰填谷效果,充分证明了文中所提模型的经济性与有效性。

部分分布式电源提供辅助服务的主动配电网快速鲁棒优化

经逆变器接入配电网的分布式电源提供有功与无功辅助服务是确保配电网安全经济运行的重要手段。该文同时计及了储能系统、可投切电容电抗器、有载调压变压器分接头、静止无功补偿器调节能力,以储能与网络损耗及弃风弃光最小为目标函数,计及运行约束,基于支路潮流方程构建了部分分布式电源提供辅助服务的多时段二阶段混合整数二阶锥鲁棒优化模型,提出了一种新颖的基于割平面的主、次问题二阶段直接交替迭代求解方法。不同于现有列与约束生成(columns and constraints generation,CCG)算法,该方法求解主问题时无需增加新的变量与约束条件,求解次问题时,只需针对每个时段进行求解,因此极大降低了求解复杂度与计算机内存。若求解结果不满足二阶锥精确凸松弛条件,则构建二阶段混合整数序列二阶锥鲁棒优化模型,依然能够快速求解,且可恢复出原问题的精确解。最后,采用2个仿真实例验证了所提出方法的性能。IEEE 123节点配电网的仿真结果表明,该方法计算速度是CCG算法的12~22倍。该方法可为含高比例间歇性分布式电源配电网鲁棒优化运行提供实时快速分析与求解工具,提高新能源就地消纳能力。

含新能源和电动汽车充电站并网的主动配电网无功优化模型

针对新能源和电动汽车充电站规模化并网引起的无功优化问题,首先建立以主动配电网运行成本和电压偏差最小,系统稳定性最优的多目标无功优化模型。其次,基于PV曲线上、下半支解的接近程度,提出一种新的静态电压稳定性指标,以改善系统电压稳定性。最后,采用具有交叉反馈机制的混合优化算法对模型进行求解,并提出一种基于Tent混沌映射和自适应变异算子的改进飞蛾扑火算法提高求解效率。仿真结果表明,所提模型在降低系统运行成本,减少电压波动的同时,还能提高系统稳定性,且该混合优化算法能够快速、准确地求解混合整数的非凸、非线性优化模型。

基于机器学习的主动配电网能量管理与运行控制

随着分布式资源和灵活负荷广泛接入,配电网正演变成为主动配电网,其能量管理与运行控制面临着巨大挑战:1)海量分布式资源并网使得调控需求大增,同时引入了大量随机性使得运行风险增加,需要挖掘其主动支撑能力;2)分布式资源量大且异动频繁,难以及时维护,配电网模型精度差,基于精确建模的运行控制和优化调度技术的工程应用困难。为应对上述挑战,文中介绍了基于机器学习的理论和方法,提出了“测-辨-控”一体化的主动配电网能量管理与运行控制技术体系,实现少/免模型维护的运行控制与优化调度。同时,分析了以下核心技术:1)配电网弱/无模型实时调控技术,实现自律优化;2)分布式资源集群自适应动态控制技术,实现对电网的主动支撑;3)风险量化的概率优化调度方法,实现风险与经济的平衡。最后,简要介绍了适应含极高比例分布式资源的主动配电网的能量管理与运行控制系统架构。

基于最优经济运行区域的主动配电网日前日内协同调度方法

传统的日前-日内协同调度通常以与日前时序计划曲线偏差最小作为日内目标函数,当日内新能源出力预测值与日前相差较大时,储能装置(energy storage systems,ESS)等由于其时间耦合约束日内调整范围有限,导致经济性和灵活性较差。对此,提出了基于最优经济运行区域(optimal economic operation region,OEOR)的主动配电网(active distribution networks,ADN)日前-日内协同调度方法。在日前阶段,构建线性化ADN调度模型,基于拉丁超立方采样法生成的大量随机场景下调控设备优化曲线,以全时间段内设备出力上下界内所包含的随机场景优化结果数量最大为目标,考虑储能装置荷电状态的相邻时段约束和微型燃气轮机的爬/滑坡率,构建OEOR生成模型。最后,在日内阶段,调控设备在OEOR内滚动优化调整,当该时段优化值贴近OEOR边界时,考虑相邻时段出力约束,将OEOR扩展为最优经济极限运行区域(E-OEOR)。算例结果表明,所提方法相比于传统方法能够更有效地提升配电网经济性。

基于改进Att-LSTNet与无迹粒子滤波融合的主动配电网预测辅助状态估计

针对传统的无迹粒子滤波(unscented particle filter,UPF)存在不准确的新息向量及未知的量测噪声协方差矩阵导致估计精度低的问题,提出一种改进Att-LSTNet与UPF融合的主动配电网预测辅助状态估计(forecasting-aided state estimation,FASE)方法。首先,采用引力搜索算法(gravitational search algorithm,GSA)对支持向量回归(support vector regression,SVR)的关键参数进行优化处理,利用历史数据建立GSA-SVR模型,并将其引入至Att-LSTNet模型的输出层,构建一种增强预测模型。然后,利用UPF中的新息向量来训练该模型,并结合孤立森林算法和箱线图法对原始新息向量进行监控和修正。最后,针对量测噪声协方差矩阵未知的情况,结合修正后的新息向量和UPF计算出未知量测噪声协方差矩阵,并进行状态估计。基于IEEE33与IEEE118节点标准配电系统的算例结果表明,所提出的方法在估计精度、泛化能力和鲁棒性等方面具有优越性。

计及工况预测误差的主动配电网日前无功优化调度策略

为解决工况预测误差较大时,日前无功优化调度方案优化效果不佳的问题,提出了计及工况预测误差的主动配电网日前无功优化调度策略。首先,使用轻量级梯度提升机算法建立日前工况功率预测模型;其次,考虑大规模高比例分布式电源接入主动配电网,以调度时段内所有时间断面的多目标加权累加和为目标函数建立日前无功优化调度模型;最后,设计了一种变寻优粒子空间的改进引力搜索算法对日前无功优化调度模型进行求解,该算法根据历史工况预测误差评价指标调整寻优粒子空间各维度的上下限矩阵,从而抑制了当无功区域内工况预测误差较大时可控设备调度异常的缺陷。最后采用拓展的IEEE 33节点系统算例进行有效性验证。

考虑可平移负荷和智能软开关的主动配电网故障恢复方法

在配电网发生故障后,主动配电网能够实现用户侧参与功率的实时供需平衡,满足故障后的负荷恢复。用户参与配电网的调度也是提升故障后负荷恢复比例的途径之一,可平移负荷具有较强的可控性,有效提升了主动配电网的灵活性,智能软开关等新兴可控设备的接入,也使负荷的快速供电成为可能。本文建立了考虑可平移负荷和智能软开关的主动配电网故障恢复模型,并考虑了负荷的重要性系数。通过改进的IEEE 33节点算例进行仿真分析,构建单一故障、多点故障、短时故障的场景,验证了本文所提出方法的有效性以及可控装置对故障后负荷恢复量的提升。

考虑需求响应和用户满意度的主动配电网优化调度

为提高主动配电网(active distribution network,ADN)运行经济性和用户满意度,提出一种考虑需求响应和用户满意度的ADN优化调度方法。综合考虑ADN运行过程中的购电成本、发电成本、维护成本和需求响应成本,建立了以ADN总运行成本最小为目标函数的优化调度模型。利用混沌映射、莱维飞行和收敛因子非线性变化等策略对斑点鬣狗优化算法(spotted hyena optimization,SHO)进行优化,以提高斑点鬣狗算法的优化性能。采用改进斑点鬣狗优化算法(ISHO)对ADN优化调度模型进行求解,算例分析结果表明,ISHO算法的优化效果优于其他算法,2种需求响应同时参与系统调度时的ADN总运行成本最小,经济性更好。

基于混合强化学习的主动配电网故障恢复方法

针对高比例新能源接入的配电网故障恢复问题,提出一种基于混合强化学习的主动配电网故障恢复方法。首先,以故障损失最小为恢复目标、配电网安全运行要求为约束条件,构造主动配电网的故障恢复模型;其次,建立用于故障恢复的强化学习环境,根据状态空间和动作空间特点,提出一种混合强化学习方法,该方法使用竞争架构双深度Q网络算法处理离散动作空间,进行开关动作;然后,使用深度确定性策略梯度算法处理连续动作空间,调节电源出力;最后,通过IEEE33节点系统仿真实验验证所提方法的可行性和优越性。

含电动汽车的主动配电网多目标分层优化调度

为了协调电动汽车车主和主动配电网2个不同主体之间的利益关系,针对电动汽车接入后主动配电网的优化调度问题,文中提出一种考虑电动汽车充电综合满意度和主动配电网运行效益的多目标分层优化方法。上层模型注重最大化电动汽车车主的充电利益,采用归一化法向约束法求解电动汽车的最优充放电计划,并将其输入下层优化模型。下层模型旨在最大化主动配电网的运行效益,根据电动汽车的充放电计划调整可控分布式电源的输出功率,采用二阶锥松弛转换法和带权极小模理想点法求解该非线性多目标问题。仿真结果表明,所提含电动汽车的主动配电网多目标分层优化方法能够在促使电动汽车充电综合满意度超过0.9的同时,减少有功网损约94.12%、运行成本约30.90%,实现电动汽车车主和主动配电网的双赢。

计及光伏波动性的主动配电网双层有功无功协调优化

针对含有高比例分布式电源的配电网在源荷不确定性和协调多种无功补偿设备等方面存在的问题,提出一种主动配电网双层有功无功协调优化策略。该策略首先针对离散型出力的有载调压变压器和电容器组,以网损和电压偏差为目标,建立上层优化模型;其次,下层优化模型通过储能出力平抑光伏的有功波动,同时通过调整静止无功补偿装置、光伏逆变器弥补光伏并网点的无功缺额,以配电网的有功波动和光伏并网点的电压偏差为目标,并采用改进的多目标粒子群优化算法求解该模型;最后,通过IEEE 33节点算例验证所提策略的有效性。该优化策略不仅提高了有功与无功的协调性,且实时性强,不依赖精准的设备控制,使配电网的经济性和可靠性得到提升。

源网荷储协同优化的主动配电网日前调度

在“双碳”目标下新能源发展迅速,但其出力的不确定性会影响电网安全稳定运行,主动配电网具备对各类分布式能源组合控制的能力,是解决目前存在的新能源并网问题的有效手段,同时需求响应作为控制负荷侧资源的有效手段,与主动配电网相结合能够有效降低源荷双侧不确定性对电网的影响。构建“源网荷储”协同优化的主动配电网日前优化调度模型,以主动配电网收益最大为目标,综合考虑电动汽车参与需求响应、电网安全、储能电池配置以及各组成单元的成本及约束条件。仿真结果表明:所构建的主动配电网优化调度模型合理,能够降低有功网损,减小尖峰负荷,降低负荷峰谷差,提高配电网收益。

基于谱聚类的主动配电网多时间尺度无功优化策略

高比例分布式光伏接入配电网后,传统优化方案无法有效平抑电压波动,分布式光伏逆变器的无功调控能力难以充分利用。为此,提出一种基于谱聚类的主动配电网多时间尺度无功优化策略,该方法分为日前优化和日内实时优化两个阶段。首先,对离散设备的时间耦合性进行解耦,以配电网网损、平均电压偏差、电压波动严重程度为目标函数,建立基于社交网络搜索算法的日前无功优化模型,确定离散设备静态最优档位序列;其次,通过谱聚类的方法进行耦合,确定离散设备动态最优档位序列,结合改进的分布式光伏逆变器就地控制策略,建立日内实时优化模型,从而抑制日前预测数据偏差导致的电压波动;最后,基于改进后的IEEE33节点系统进行仿真实验。仿真结果表明,所提策略可以有效降低运算难度、提高求解效率,验证了该策略的有效性和优越性。

基于高斯过程回归的主动配电网负荷控制优化方法

以需求响应为核心进行配电网负荷控制优化时,节能百分比较低。因此,提出基于高斯过程回归的主动配电网负荷控制优化方法。依托于随机森林算法,判断所有输入变量的重要性,明确主动配电网负荷影响变量。运用高斯过程回归原理,应用负荷预测算法,准确得出主动配电网需求侧未来一段时间内的负荷要求。在此基础上,以直接负荷控制为核心,建立负荷控制协调优化模型,再应用遗传算法求解最优负荷控制优化方案。算例分析结果表明:所提优化方法的节能百分比达到6.23%,说明该方法达到了节能的目的。

一种基于拓扑结构变化的主动配电网自适应保护方法

随着逆变型分布式电源大量接入配电网,配电网运行方式灵活多变,保护方案的设计与保护装置的动作范围受拓扑变化的影响。在此背景下并结合工程实际,提出一种基于拓扑结构变化的主动配电网自适应保护方法。通过多点量测信息感知配电网的运行状态,利用电压量和电流量之间的相关性,对拓扑结构的变化进行识别。然后,根据拓扑结构的变化,形成新的关联矩阵,自适应调整系统的保护方案与参数。最后,通过仿真验证了所提出的方法有效性。

基于深度学习的主动配电网分布式能量管理与优化研究

提出了一种基于图神经网络模型的深度学习方法,旨在进行主动配电网分布式能量管理与优化。该模型将电源和负载设备视为图的节点,电力流动路径视作图的边,从而充分挖掘并利用电网的复杂结构信息。结果表明,该方法在能量损失、约束满足率、稳定性和计算时间等指标上表现出显著优势,为未来电网智能化管理提供了新的思路。

面向主动配电网实时优化调度的图强化学习方法

主动配电网的新能源、储能等能源形式可以有效提高运行的灵活性和可靠性,同时新能源和负荷也给配电网带来了双重不确定性,致使主动配电网的实时优化调度决策维度大、建模精度差.针对这一问题,本文提出结合图神经网络和强化学习的图强化学习方法,避免对复杂系统的精准建模.首先,将实时优化调度问题表述为马尔可夫决策过程,并将其表述为动态序贯决策问题.其次,提出了基于物理连接关系的图表示方法,用以表达状态量的隐含相关性.随后,提出图强化学习来学习将系统状态图映射到决策输出的最优策略.最后,将图强化学习推广到分布式图强化学习.算例结果表明,图强化学习在最优性和效率方面都取得了更好的效果.